Керас: использование гирь при примерке

Question

У меня есть вопрос об использовании весов в кератах.У меня есть некоторые данные как события, и для каждого из них есть связанный вес.Поэтому, когда я выполняю обучение своей модели keras, я использовал аргумент sample_weight для передачи этой информации.

Затем я замечаю, что если я хочу использовать метод model.predict, то нет аргумента для передачивеса ... и теперь я не уверен, что у меня есть тип веса, который я должен использовать в методе подгонки в sample_weight.

Мой вопрос: какой тип весаметод подгонки должен получить?Кроме того, понимается ли, что метод прогнозирования не требует никакого веса для данных?

Спасибо!

Answer 1

Параметр sample_weight используется, когда у вас нет одинаковой достоверности для всех данных в выборке.Таким образом, вы можете сказать Керасу, что некоторые из них более уверены в себе, чем другие.Это используется только для обучения, так как оно используется для настройки (веса) функции потери, используемой оптимизатором.Следовательно, в fit вы не должны передавать его, поскольку вы ничего не знаете о выводе и ничего не можете сказать о своей уверенности.

Из документов Кераса (https://keras.io/models/model/#train_on_batch)

sample_weight: Optional Numpy array of weights for the training samples, used for weighting the loss function (during training only).

Answer 2

Я думаю, что может быть некоторая путаница с тем, что означает «sample_weight» в контексте model.fit.Когда вы вызываете model.fit, вы минимизируете функцию потерь.Эта функция потерь измеряет ошибку между прогнозом вашей модели и истинными значениями.Некоторые из выборок в вашем наборе данных могут быть более важными для вас, так что вы бы взвесили функцию потерь на этих выборках.Таким образом, «sample_weights» используются только для взвешивания определенных выборок в вашем наборе данных во время обучения, чтобы «лучше соответствовать» одним из этих выборок относительно других.Они являются необязательным аргументом для model.fit (по умолчанию просто взвешивает каждый образец равным - что вам следует делать, если у вас нет веских причин поступать иначе).И (надеюсь, мое объяснение было достаточно ясным) не имеет никакого смысла в контексте model.predict.